使用阿里云试用Elasticsearch学习：function_score 语法例句

get documents/_search
{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "should": [
            {
              "match": {
                "name": {
                  "query": "我",
                  "boost": 3,
                  "operator": "and"
                }
              }
            },
            {
              "multi_match": {
                "query": "我",
                "fields": [
                  "name",
                  "text"
                ],
                "type": "cross_fields",
                "boost": 2,
                "operator": "and"
              }
            },
            {
              "match": {
                "name": {
                  "query": "我",
                  "boost": 1.5,
                  "operator": "or"
                }
              }
            },
            {
              "multi_match": {
                "query": "我",
                "fields": [
                  "name",
                  "text"
                ],
                "type": "cross_fields",
                "operator": "or"
              }
            }
          ]
        }
      },
      "boost_mode": "sum",
      "functions": [
        {
          "filter": {
            "match": {
              "type": "好"
            }
          },
          "weight": 20
        },
        {
          "filter": {
            "match": {
              "type": "坏"
            }
          },
          "weight": 2
        }
      ]
    }
  }
}

1. 首先，整个查询被包裹在一个 function_score 查询中，这个查询允许通过各种函数来改变文档的得分。
2. 在 function_score 查询的内部，有一个 query 子句，包含了一个布尔查询（bool query）。布尔查询是 Elasticsearch 中最灵活的查询类型之一，可以组合多个子查询，并通过 must、should、must_not 和 filter 来控制它们的关系。
3. 在布尔查询的 should 子句中包含了四个子查询，它们被设计为根据不同的条件匹配文档：
   • 第一个子查询是一个 match 查询，用于精确匹配字段 “name” 中包含 “我” 的文档，设置了较高的 boost（权重）。
   • 第二个子查询是一个 multi_match 查询，使用 cross_fields 类型，同时匹配 “name” 和 “text” 字段中包含 “我” 的文档，同样设置了较高的 boost。
   • 第三个子查询是一个 match 查询，使用了较低的 boost，并且使用了 or 运算符，表示匹配 “name” 字段中包含 “我” 的文档，但不强制要求所有查询项都匹配。
   • 第四个子查询是一个 multi_match 查询，使用 cross_fields 类型和 or 运算符，允许匹配 “name” 和 “text” 字段中包含 “我” 的文档，但不要求所有查询项都匹配。
4. 在 function_score 查询的另一个子句中，定义了两个函数，用于根据文档中 “type” 字段的值调整文档的得分：
   • 第一个函数使用了一个 filter 来匹配 “type” 为 “好” 的文档，并为这些文档分配了较高的权重（20）。
   • 第二个函数使用了一个 filter 来匹配 “type” 为 “坏” 的文档，并为这些文档分配了较低的权重（2）。
5. 最后，在 function_score 查询中定义了 boost_mode 为 “sum”，表示函数得分会被相加到文档的基础得分上。